大数据时代

大数据时代（共12篇）

大数据时代 篇1

初中阶段对统计与概率内容的学习要求是体会抽样的必要性以及用样本估计总体的思想,进一步学习描述数据的方法,进一步体会概率的意义,能计算简单事件发生的概率.

一、根据图表数据分析变化趋势并写出相关结论

同学们在从事收集数据的活动中,对于同一个问题,有时会出现不同的同学或不同的小组得出不同的结论的情形,这时同学们要注意对收集的数据进行科学的评价,不能随意得出结论.

例1测得某市2月份1至10日最高气温随日期变化折线图如图所示.

(1)最高气温为2℃的天数为____ 天;

(2)说出该市这10天气温变化趋势;

(3)根据图表写一条有关的结论

【难点分析】本题提供的是折线统计图,折线统计图不但可以表示出数量的多少,而且能够清楚地表示数量增减变化的情况. 第(1)小题要注意10日的最高温度也是2℃,所以最高气温为2℃的天数有3天;回答第(2)小题时要注意这10天的最高温度有升有降,不能用一句“最高气温呈上升趋势”来概括;第(3)小题结论是开放的,但要能与折线图所反映的情况相符.

解:(1)最高气温为2℃的天数为3天;

(2)这10天最高气温逐步上升,但不稳定,有升有降;

(3)最高温度比较低,要做好防寒防冻准备.

二、根据样本数据估计总体情况

当同学们收集了一些数据以后,这些数据往往通过图表的方式呈现,有时看起来有些困难,这就需要整理数据,在掌握所有数据的前提下,对看起来杂乱的数据要进行必要的归纳和整理,从数据中提取信息,并根据实际问题的需要,从样本数据的数字特征出发,对总体的数字特征进行估计,体会用样本估计总体的思想;从而进一步认识到抽样调查对于解决一些实际问题的巨大作用,体会到统计知识与生产和生活实践的紧密联系.

例2初中学生骑电动车上学的现象越来越受到社会的关注,为此某媒体记者小李随机调查了市区若干名初中学生家长对这种现象的态度(态度分为:A. 无所谓;B.反对;C. 赞成),并将调查结果绘制成图1和图2的统计图(不完整). 请根据图中提供的信息,解答下列问题:

(1)此次抽样调查中,共调查了______名初中学生家长;

(2)将图1补充完整;

(3)根据抽样调查结果,请你估计某市市区80 000名初中学生家长中有多少名家长持反对态度?

【难点分析】双统计图问题是考试中常见的题型,就是在一个题目中利用两个不同类型的统计图描述数据. 本题中出现了条形统计图和扇形统计图. 从条形统计图中能清楚地看出数量的多少,便于相互比较. 扇形统计图是以整个图代表统计项目的总体,每一统计项目分别用图中不同的扇形表示,扇形面积占圆面积的百分之几就代表该统计项目占总体的百分之几.

解:(1)计算调查家长的总人数要根据公式总体=个体/个体所占百分比来计算. 从条形统计图中我们可以发现选择A无所谓的家长有50人,而扇形统计图中选择A所占的百分比为525%,则总人数50/25%=200(人);

(2)要先计算选择C的人数再画统计图,调查总人数为200人,选择A和B的人数分别为50人和120人,选择C的人数为200-50-120=30(人),在条形统计图中画出相应高度的矩形即可;

(3)要根据样本中选择B所占的百分比来表示市区所有家长选择B所占百分比,根据公式个体=总体×个体所占百分比,则选择B(持反对态度)的家长人数=80 000×60%=48 000(人).

三、利用数据分析提出合理化建议

在当今社会里,数据的收集、整理与分析已经成为信息时代每个公民基本生活的一部分. 要让同学们经历运用数据描述信息、作出推断的过程,培养统计观念,帮助同学们逐渐建立起数据分析观念. 因此,学习数据的收集、整理和描述就是教会同学们从生活中收集数据、描述数据、分析数据,利用数据对生活中的事件进行决策.

例3为迎接花博会,创建绿色常州,某学校环保小组随机调查了市区30个家庭一天丢弃塑料袋的情况,统计结果如下:

(1)这种调查方式属于普查,还是抽样调查?_________________________.

(2)常州家庭总数有40万户左右. 若根据30个家庭这一天丢弃塑料袋个数的平均数估算,则全市一天丢弃塑料袋总数约是多少个(写出解答过程,结果用科学计数法表示).

(3)通过该环保小组的统计和你的估算,你有何感想或对市民提一条科学性的建议!

【难点分析】第(2)小题是根据抽样数据估算总体情况;第(3)小题根据数据分析情况,提出合理的建议即可,但要把握住本题中“创建绿色常州”这个主题.

解:(1)这种调查方式属于抽样调查;

(2)样本平均每户丢弃垃圾袋个数:0×1+1×1+2×11+3×7+4×5+5×4+6×1/30=3(个).

40万户家庭总共丢弃垃圾袋数:3×400 000=1.2×106(个).

答:全市一天丢弃塑料袋总数约是1.2×106个.

(3)1提倡市民对垃圾袋进行重复使用;2建议市政府实施“限塑令”.

大数据时代 篇2

显然，您所掌握的人员情况、工资表和客户记录对于企业的运转至关重要，但是其他数据也拥有转化为价值的力量。一段记录人们如何在您的商店浏览购物的视频、人们在购买您的服务前后的所作所为、如何通过社交网络联系您的客户、是什么吸引合作伙伴加盟、客户如何付款以及供应商喜欢的收款方式……所有这些场景都提供了很多指向，将它们抽丝剥茧，透过特殊的棱镜观察，将其与其他数据集对照，或者以与众不同的方式分析解剖，就能让您的行事方式发生天翻地覆的转变。

大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

“大数据”这个术语最早期的引用可追溯到apache org的开源项目Nutch。当时，大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。随着谷歌MapReduce和Google File System（GFS）的发布，大数据不再仅用来描述大量的数据，还涵盖了处理数据的速度。

早在1980年，著名未来学家阿尔文·托夫勒便在《第三次浪潮》一书中，将大数据热情地赞颂为“第三次浪 潮的华彩乐章”。不过，大约从2009年开始，“163大数据”才成为互联网信息技术行业的流行词汇。美国互联网数据中心指出，互联网上的数据每年将增长50%，每两年便将翻一番，而目前世界上90%以上的数据是最近几年才产生的。此外，数据又并非单纯指人们在互联网上发布的信息，全世界的工业设备、汽车、电表上有着无数的数码传感器，随时测量和传递着有关位置、运动、震动、温度、湿度乃至空气中化学物质的变化，也产生了海量的数据信息。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

小数据战略决胜大数据时代 篇3

最近有大量围绕“大数据”开展的讨论，而大数据以数量大、速度快、种类多为特征，需要配备新的数据处理方式。企业想要运用大数据优化决策并提升运营效率，通过数据挖掘更好地了解客户行为和偏好，甚至用大数据预测股票市场动态。一些企业已经运用大数据战略取得了成功，其他企业也纷纷开始投资大数据所需的基础设施、软件、人才。

然而，有一个要点需要说明。许多企业，可能是大多数企业，都处在数据相对不足的环境，无法获得高级分析和数据挖掘所需的大量信息。例如，销售终端机（POS）的交易数据在新兴市场还未实现标准化操作。在多数B2B行业，企业可以获得自身的销售和配送数据，但很少能了解整体市场销量或竞争对手所售产品情况。在高度专业化或集中的市场，例如汽车零部件供应商市场，其潜在客户的数量有限。这些企业不得不满足于小数据，即使是在数据不足或数据质量参差不齐的情况下，也要通过运用有限的数据形成洞察。

一些评论人士称，大数据不仅仅是新的数据来源和分析技术。大数据彻底改变了决策方式，从管理层根据直觉制定决策转变为根据数据制定决策。而对于那些缺乏完整或明确的市场数据的企业，它们必须努力高效地运用现有数据（可能存在数据不够完善的问题）或运用创新且低成本的方式获得新数据。

让我们来看一个小数据战略的例子。一家大型饮品生产商希望提升其产品在即饮渠道，即酒吧、餐厅、娱乐场所的销量。多年来，该公司一直从同一家机构购买同步数据，这些数据涵盖了10万个销售点。然而这些数据是为了满足大量客户的普遍需求而收集和梳理的，运用标准化的划分方式，并不能帮助该饮品企业了解如何有效地为不同细分市场提供服务。因此，该公司决定采用一系列小数据技术，以便根据需求制定解决方案。

该公司先采用观察研究法，参观了酒吧和餐厅，对消费者及其消费方式进行定性记录。该公司运用这些数据获得了更可行的细分市场定义。接下来要将细分市场进行量化，明确各个细分市场有多少销售点。该公司根据观察到的特征制定了公式，然后让销售人员根据公式将所有销售区域覆盖的酒吧和餐厅进行分类。（这就是一项典型的小数据战略：内部填补数据空缺。）最终，该公司根据各主要细分市场设计了特定的产品组合、定价、市场营销项目。该公司已经在两个大城市开展了相关试点项目，整体销售额和市场渗透率都得到了大幅提升，并正在全国范围推广该举措。

再比如中国的海尔，运用服务工程师收集的信息推动了创新。最知名的可洗土豆的洗衣机就是在上世纪90年代末，工程师发现一些农村消费者用洗衣机清洗蔬菜造成了堵塞，海尔运用该信息开发了一款在洗衣服之外兼顾清洗土豆、红薯和花生的新型洗衣机。

明确思路后，其实所有的信息都能被用于提升产品、客户体验或公司利润。因此，小数据战略可以包括任何能让公司在低成本前提下获得更多客户洞察的方法。如上文所示，挖掘小数据并不意味着要在数据获取、硬件、软件或技术设施方面做大量投资。

此外，企业需要做三方面努力：

致力于发展以事实为依据的决策机制。当公司发现竞争日益激烈或无力准确捕捉多变的消费者习惯和偏好时，通常会萌生这种想法。对于以市场为导向的企业而言，以事实为依据的决策机制是获得竞争优势的重要来源。

有边做边学的意愿。既然小数据战略不需要通过第三方，企业就不得不亲自做出尝试并从错误中汲取经验教训。一旦明确了一些重点，一系列的试点项目将给企业带来宝贵经验，而那些较早通过小数据战略获得成功的企业恰好能激励其他企业。

提升创造力。为了获得更丰富的数据，企业需要提升创造力，自然而然地将创新融入到与消费者的互动过程中。例如，零售商可以烦请门店的客户用iPad完成调研问卷。企业还可以在任何带有信息登记功能的网站上加入询问消费者偏好的问题以收集相关信息，进一步完善网站收集到的一些基础数据。呼叫中心客服人员和消费者的对话也是收集信息的好机会，有利于获得更为深入的消费者洞察。一些企业还会组织善于钻研的成熟消费者组成用户小组，在研发新产品的过程中听取用户小组的建议。有的企业会依靠销售代表获得关于消费者偏好以及竞争对手活动的相关信息。但更重要的是，企业必须投入更多精力收集并解读已经生成的数据。

企业通常会挑选需要关注的一款产品、一个区域以及一个问题而开启一段数据分析之旅，还会开展一个或多个试点项目。高管们会向自己和企业其他成员证明投入的精力和成本是值得的。一旦企业开始投资数据分析，就很难停下脚步，因为它们发现数据分析成果对业务的推动作用远超所产生的成本。这些项目在资金上最终都能自给自足。在有些情况下，企业从小数据入手，在发现数据分析能带来重要的洞察见解后，开始加大相关投资，以便整合更大的数据集并开展更多高级分析。对于另外一些企业而言，小数据已经能满足它们的需求。

大数据时代,“制鞋”大机遇 篇4

2011年5月, 麦肯锡全球研究所发表了名为《大数据:创新、竞争力和生产力的下一个前线》的研究报告, 最早提出了“大数据”时代已经到来[1]。2012年3月29日, 奥巴马政府在白宫网站发布了《大数据研究和发展倡议》, 目的是提升利用大量复杂数据集合获取知识和洞见的能力, 并为此投入两亿美元以上资金[2]。奥巴马政府还把数据比喻成“未来的新石油”, 这充分说明美国已经把应对大数据时代带来的机遇和挑战提上了日程, 上升到了国家战略层面。2013年, 更是被媒体称为“大数据元年”。

麦肯锡发表的报告还认为, 制造业是较易获取大量数据的行业之一, 所以也是大数据应用最重要的领域之一[1]。制鞋业作为制造业的一部分同样面临着前所未有的机遇和挑战。那么, 究竟何为“大数据”?鞋企又该如何积极应对?

1 大数据的理解

1.1 大数据的定义

时下, 数据呈指数型增长, 那么, 海量数据是大数据吗?显然, 大数据不仅仅是“海量”, 比“海量”更重要的是数据的复杂性。云计算是大数据吗?答案是否定的, 大数据不是云计算, 它是云计算的灵魂和升级。云计算是大数据的一种业务模式, 其本质是数据处理技术, 而大数据的核心议题是如何盘活数据资产, 使其为国家治理、企业决策乃至个人生活服务。

综上所述, 大数据是指通过收集、整理生活中方方面面的海量数据, 通过分析软件对其分析挖掘, 进而从中获得有价值的信息, 最终盘活数据资产, 使其服务于个人、企业乃至国家。

1.2 大数据的特征

在2006年, 个人用户才刚刚迈进T B时代, 全球一共新产生了约180E B的数据;在2011年, 这个数字达到了1.8ZB。根据IDC市场研究机构预测:到2020年, 整个世界的数据总量将会扩大50倍[3]!所以, 想掌控这庞大的数据, 我们必须了解大数据的特征。

大数据具有4V特点:V o l u m e、Velocity、Variety、Veracity[4]。第一, Volume (体量) , 即海量的数据规模, 体现大数据庞大的特点。第二, Velocity (速度) , 即快速的数据流转, 对数据要实时分析, 立竿见影而非事后见效, 处理数据的效率就是企业的生命, 体现大数据时效性的特点。第三, Variety (多样性) , 即多样的数据类型, 包括文本、图像、视频、博客、社交网站、论坛、金融交易、电子邮件、日志等等, 这些都属于非结构化数据, 体现大数据复杂性的特点。第四, Veracity (价值) , 即价值密度低、商业价值高, 具有大量的不相关信息, 需要沙里淘金, 对未来趋势与模式进行预测分析, 体现大数据价值高但分析困难的特点。

1.3 企业大数据现状及发展趋势

中国企业数据中心数据存储量正在快速增长, 结构化数据、半结构化数据和非结构化数据的分布呈金字塔状, 非结构化数据处在最低端, 庞大而复杂。对于企业来说, 如果能有效处理和分析这些数据, 会得到企业非常有价值的信息。但是, 仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息, 所以, 企业迫切需要能自动地、智能地将非结构化数据转化为有价值的信息, 从而达到为企业决策服务的目的。

Tim O’Brien在2013年3月于圣克拉拉市举行的O’Reilly Strata大会上指出:自从雅虎技术团队以Hadoop为武器、一举将谷歌拉下神坛以来, 众多企业相继把这项技术引入业务流程当中[5]。但相对于高昂的资金投入、巨大的精力消耗, Hadoop技术所带来的优势却显得微乎其微。所以, 企业大数据工具使用现状是:砸钱太多, 回报太少。

其它方面, 比如企业数据分析处理方面的现状是:缺少数据全方位分析方法、ERP软件处理能力差、海量数据处理效率低、实时数据分析能力差等;企业对大数据的关注程度方面的现状, 以制造业为例, 从“制造业对大数据的关注程度”这幅图可以看出:制造业企业大都没听说过大数据, 即使听说过, 也是处于观望状态, 不敢于创新。

2012年1月, 瑞士达沃斯论坛发布了《大数据, 大影响》的报告, 宣称数据就像货币和黄金一样已经成为一种新的经济资产类别[6]。数据正在变成企业竞争的利器。面对大数据的挑战, 企业未来的发展方向是: (1) 个性化颠覆传统商业模式, 使互联网技术服务于传统产业, 推动产业的转型升级; (2) 数据服务变革, 针对群体, 把人分成很多群体, 每个都给予不同的服务; (3) 数据就是资产, 未来数据会成为最大的交易商品, 企业要基于数据挖掘技术诞生多种商业模式。

2 大数据在企业中的应用及思考

很多发达国家, 数据在企业的商业战场中起着决定性的作用。但大数据是把双刃剑, 应用得当, 企业会蓬勃发展;应用不当, 将对企业形成倒闭机制。只有了解大数据成功企业的成功关键要素、应用中的技术难点, 借鉴其经验, 取其精华, 去其糟粕, 才能成为一家以信息为中心的企业, 并在激烈的市场竞争中保持领先优势。

通过对大数据成功企业分析得出其成功的关键要素是: (1) 企业模式转变, 即企业高管如果能够意识到应对数据带来的挑战的迫切性时, 往往就能促成其大数据战略。 (2) 集中式数据存储, 即收集一切的数据:包括社交媒体数据、工作日志数据、传感数据等。然后对这些数据进行存储, 之后决定企业是否需要这些数据。 (3) 分析处理系统, 即拥有高度商业智能的数据分析和处理系统。 (4) 大数据专家, 分析百万兆字节而且是不同类型的数据是一项艰巨的任务, 需要聘请大数据专家, 帮助找出需要咨询的问题的准确解答方案, 进而充分利用大数据战略的优势。 (5) 对目标对象进行更完整的分析、描述。 (6) 广告投放要精准, 实现点对点智能广告模式。 (7) 细心周到的营销方式。

大数据在企业中的应用技术难点不是缺少数据, 而是数据太多, 面对这些静态、孤立、无多大参考意义的“初级品”的信息数据, 企业信息部门应知道如何通过系统功能来有效利用和整合, 发掘有价值的数据, 给公司营销管理提供决策支持。

大数据时代, 企业要想实现转型升级, 对自身也有一定的要求, 即首席信息官们意识上必须认识到创新的必要性, 勇于尝试全新的技术;应用初期从小项目着手, 确定企业的短中期目标和标准, 不断实现数据透明化, 强化数据洞察与分析;储备好大数据相关技术人才;依法获得数据, 不得侵犯用户隐私。

3 大数据, 鞋企的GPS

3.1 面对大数据, 鞋企的应对策略

大数据时代, 鞋企首先要考虑的是如何收集信息?客户信息就是“货币”, 谁掌握精准信息, 谁就赢得“货币”。互联网时代, 提的最多的就是“O2O”模式, 即线下线上。现在的鞋企老板可能每天都在思考, 不加入“网购”就是跟不上需求而没有未来, 加入则因线下生意大幅缩水而失去现在, 进退两难。那么, 线下实体店到底输在哪里?线上线下, 鞋企如何抉择?

对比“电商”和“店商”不难发现, 两者不同的是, 所有“电商”都对购买者的行为轨迹进行了全程跟踪, 并且留下了完整的客户信息 (浏览轨迹、交易信息、个人住址、联系方式、购物偏好、产品评价等等) , 有了这些信息就能够很容易开展二次定向精准营销, 并把这些客户重新拉到线上或线下再次消费。可是, “店商”呢?即不知道是谁买了什么产品, 也不知道消费轨迹, 更不知道联系方式。换句话说, 此单消费结束, 顾客也就流失了, 从而导致“店商”的业绩直线下滑。从两种消费模式不难发现, 数据对鞋企的影响之大, 谁控制了数据, 谁就掌握了“货币”的发行权和流通权, 也就掌握了制鞋行业的主动权。

所以, 鞋企在销售模式上, 应该线上线下两手抓、两手都要硬, 获取更多的客户信息, 建立一套完整的客户关系管理体系, 将线下门店里的消费人群吸引到线上, 从而实现客户线下和线上的交融, 提升客户忠诚度。特别是“店商”, 应该抓住自身客流量大的优势, 在消费者购买的同时迅速获取顾客信息 (联系电话、喜好、意见等等) 。

其次, 面对大数据, 鞋企要会分析利用, 从凌乱繁杂的数据背后挖掘其价值。这就要求鞋企重视数据型人才, 成立专门的数据部门, 以便能够从庞大的非结构性数据中实时有效地提取有用的价值。分析很多比较成功的公司不难发现大数据专家的重要。比如, Linked In公司有超过100位数据科学家;通用汽车公司也决定雇佣1万名IT员工, 其中就包括许多的数据科学家[7]。所以, 鞋企要想成功的转型升级, 数据型人才非常关键。只有他们实时有效地提取数据的价值并且及时反馈给其它相关部门 (设计部门、销售部门等) , 才能让这些部门更好的去了解产品市场、消费者、行业发展动态、流行和时尚等的信息, 使鞋靴产品设计定位更加准确, 鞋靴本体的设计更加符合消费者的需求。最后, 销售部门还要靠这些信息将鞋靴的优惠以及新产品的上市通过短信、微信、微博等渠道及时传递给顾客, 引导二次消费, 增加企业的营业额。

最后, 需要强调的是大数据里面没有排山倒海式的颠覆, 鞋企需要蹲下身子, 倾听消费者的需要, 一点点的微创新, 顺应消费者的习惯, 提供更加人性化的产品, 提供更加贴心的服务, 尽一切可能让消费者便利, 这才是核心问题。

3.2 成功案例

在制鞋行业大数据应用最成功的莫过于耐克。2010年, 耐克成立了独立的数字运动部门, 与耐克的研发、营销等部门属于同一个级别, 运动数字化已经正式成为耐克的战略发展方向。2012年, 可以称为耐克的运动数字化元年, 它的数字运动平台N i k e+迎来了全面爆发。短短1年时间内, 多款重量级产品相继问世, Nike+线上社区的注册用户数量也从年初的500万迅速增加到1000万以上的规模[8]。

其实, N i k e+的最具价值的部分是它所收集到的用户数据。耐克会如何利用这些数据呢?

(1) 未来, 耐克或许会在热门跑步路线的沿途投放广告。此外, 相关的公司完全可以在这些地区设置“加油站”, 为跑步者提供存放衣物等服务, 并且还可以借机售卖运动功能饮料等周边产品。

(2) 这些一手的数据可以为产品设计提供重要参考。依靠这些数据, 耐克还可以为用户量身打造适合的健身计划。

(3) Nike+可以帮助耐克从一家单纯提供运动鞋服的“硬件厂商”变为一家“服务供应商”。

(4) 从广告营销方面看, 很多人都佩服耐克公司选择代言人的眼光, 因为它总是能够挖掘出天才的运动员。这正是因为Nike+能通过用户数据找到那些天赋异禀的运动天才。

总结

“假如我们有了一个数据预报台, 就像为企业装上了一个G P S和雷达, 企业的出海将会更有把握。”马云在2012年网商大会上的演讲中形象地表示了数据的重要性[9]。

所以, 在当今这样一个大数据的时代, 制鞋行业也应当尽早开始研究大数据的管理与应用, 从凌乱繁杂的数据背后挖掘其价值, 使大数据“为我所用”, 帮鞋企更准确地找到用户, 将用户群精准细分, 找到更符合用户兴趣和习惯的产品和服务, 并对其进行针对性地调整和优化, 主动迎合用户需求, 从而来降低营销成本, 提高鞋企销售率, 增加利润, 实现鞋企的转型升级, 实现大数据的“长治久安”。

参考文献

[1]James Manyika, Michael Chui, Brad Brown.Big data:The next frontier for innovation, competition, and productivity[R].America:Mc Kinsey Global Institute, May 2011.

[2]Obama administration.Big Data Research and Development Initiative[R].America:Obama administration, March 29, 2012.

[3]韩琮林.中关村大数据产业链雏形初现[N].北京商报, 2012-12-17.

[4]Sec-cn.大数据[DB/OL].http://baike.baidu.com/link?url=h TWva LYe H SHPO57dultt JX5GG8NHq8hxk9_2TYq I49iqjx XHV9j9x0Kujza Ox Nc867ahbn EH6fn Qs Nkw J0SFK, 2013-10-08.

[5]Tim O’Brien.Change the world with Data[R].Santa Clara:O’Reilly Strata Conference, March 2013.

[6]Davos forum.Big Data, Big Impact[R].Switzerland:The world Economic Forum, 2012-01.

[7]云计算第一门户.大数据成功企业的六大特征[EB/OL].http://cio.z d n e t.c o m.c n/c i o/2013/0506/2158139.shtml, 2013-05-06.

[8]鞋库.掘金大数据——耐克NIKE+全解密[EB/OL].http://www.dbxie.com/news/201302/23/6077.html, 2013-02-23.

大数据时代的大数据管理研究论文 篇5

数据库管理形式是大数据管理不断发展的重要成果，也是到目前为止最后的一个阶段。在计算机技术不断发展的过程中，计算机内部的容量得到了很大程度的提高，并且大数据的管理和维护成本也相应的有所下降。同时，在大数据管理形式不断发展的过程中，对其系统管理内存不足等现象，进行了全面的提高，有效的实现了资源共享，也在最大程度上保证了大数据的安全、稳定等性能。另外，在大数据时代的大数据库管理的过程中，不在近几年只是固定在某一个计算技术应用体系，而是面向整个管理体系，以此在最大程度上提高了大数据共享的性能，使大数据与大数据形成一个独立的个体，对其大数据进行了全面、有效的、统一的管理，为我国信息技术的发展提供了重要方向。

大数据时代 篇6

作者： [英] 维克托·迈尔·舍恩伯格（Viktor Mayer-Schnberger）

编译： 周涛

出版社： 浙江人民出版社

“不是随机样本，而是所有数据”。也许学过统计的人，更能体会这其中的革命性意义。而这样的意义在过去那些没有互联网和电子技术大发展的时代，绝对是一种奢求。作为一个概念，大数据（big data）有很多相近似却有微妙差别的内涵，它可以是巨量信息，也可以是全体数据，但它的价值并不只体现在“量大”这样扁平的维度，还体现在信息的处理速度和牵一发而动全身的交错复杂性，大数据与当红的概念--云计算相生相长。虽然炙手可热，但在上世纪80年代之前，这个概念已经被提出。

作者维克托·迈尔·舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。

在本书中，作者提出了大数据的几个核心特征：不是精确性，而是混杂性；不是因果关系，而是相关性；一切皆可以量化；取之不尽，用之不竭；数据、技术与思维的三足鼎立。然后翻开科技利剑的另一面，数据主宰一切的隐忧、数据之外细节的缺失、数据管理的责任这些扰人的话题，书中也有谈及。

微时代大数据 篇7

随着云时代的来临, IT行业又一大颠覆性的技术革命—大数据—也吸引了越来越多的关注。

各大互联网公司都在争分夺秒地做着迎接大数据时代的准备。而在2012年就公布将“数据”作为“三步走”发展战略重头戏的阿里巴巴集团, 更是希望自己能成为大数据时代的先行者。

十年来, 阿里数据平台的服务器上, 已经攒下了超过100PB的数据。如何盘活这些数据资产, 从海量交易数据中挖掘有价值的内容, 使其为企业乃至个人服务, 是大数据的核心议题, 也是阿里正在思考的问题。

2010年阿里推出重整的搜索业务“一淘”。2011年阿里收购数据属性公司CNZZ。2013年阿里接连收购友盟、入股新浪微博和高德, 抢占数据源。并对数据进行了初步运用, 如推出数据魔方、聚石塔等产品。

而在物流领域, 阿里建设了与各大配送公司对接的网络体系, 并联合其他集团成立了菜鸟网络科技有限公司。

在近日, 阿里又推出了面向高校同学的大数据比赛。此次比赛是在阿里巴巴大数据科研平台—“天池”上开展的, 是基于天猫海量真实用户的访问数据的推荐算法大赛。一方面这让日后的科技新星们更加了解大数据, 另一方面也让大众在潜意识里将大数据和阿里巴巴捆绑在一起, 这更像是在告知大众—各位, 阿里大数据已然起手开局。

雕爷牛腩

雕爷牛腩餐厅成立于2013年5月20日, 是中国第一家“轻奢侈”餐饮品牌。它烹饪牛腩的秘方, 是以500万元向香港食神戴龙购买得到的。不过餐厅只有12道菜, 在北京也只有两家分店。但它仅在两个月的时间里, 就实现了所在商场餐厅坪效第一名。

雕爷牛腩很注重用户感受:老板每天不是将大量的时间用在盯着店铺上, 而是用在了盯着大众点评、微博和微信上, 他总是及时回应食客对菜品和服务的建议、不满。如果有粉丝认为某道菜不好吃, 这道菜将立刻在菜单上被撤掉。

但雕爷牛腩能“火”, 在很大程度上是依靠了明星的“粉丝效应”。雕爷牛腩在开业前弄了半年封测, 邀请明星、微博大号等来店里免费试吃。耗资大, 但效果佳, 在互联网上引起了极大的关注。除此之外, 雕爷牛腩还擅长制造话题:服务员婉拒没有预约的韩寒, 店铺不让12岁以下的儿童进入等等。

小米

曾经我们说, 顾客是商家的上帝。而如今, 有一家公司却将顾客变成了他们的忠实粉丝。

雷军认为“用户跟粉丝是两回事, 用户是在没有更好选择的时候用你, 而怎么真心真意对待你的每个用户, 怎么让你的粉丝支持你, 这是最重要的。”

在互联网时代, 小米抓住了互联网思维带来的机遇, 利用互联网的便利性加强自身与用户之间的直接沟通和情感建立。

2010年8月16日发布的MIUI在没有任何宣传推广的前提下、靠好的产品和紧密沟通赢得了40万狂热的论坛粉丝。粉丝提出的建议会在这里受到高度重视, 他们能从中体会到很强的成就感。MIUI的顺利发展让雷军和小米团队引以为傲。

不依靠大规模投广告的传统方式, 贴近用户、与之交流、建立情感维系、获得产品发展的支持, 这才是小米在互联网时代站稳脚跟的不二法则。

打车软件

在金主腾讯和阿里巴巴的撑腰下, 国内两大打车APP—滴滴和快的—都迫不及待地开始了新一轮的烧钱抢市场活动。

两家不断提高自己送给乘客的补贴费用, 希望能抓住更多用户的心。快的甚至打出口号—“永远比对手多一块”。而滴滴带着“绝对不让你比我多一块”的心, 一点也不肯让步。

这是最近5年来, 互联网公司砸钱竞赛最直接最彻底的一次。在许多传统企业眼里, 这样倒贴钱的行为简直就是他们疯了。

其实烧钱的背后是“用户至上”的理念。管理学家们认为互联网思维的本质是一种“商业民主化的思维”, 它所对抗的是强调控制、标准、垄断的工业时代文明。而想要为互联网思维总结出一个简单明了的商业原则, 那排在首位的就是“用户至上”。

两家互联网公司都明白, 在互联网时代, 如果不能汇聚海量用户, 就很难建立有效地商业模式。所以, 腾讯和阿里巴巴为了抢夺用户, 真是绞尽了脑汁, 发展到最后就变成了拼命烧钱。

三只松鼠

2012年6月三只松鼠在天猫上线。65天之后它就成为了中国网络坚果销售第一;2012年“双十一”它创造了日销售766万的奇迹;2013年1月单月销售额超过2200万。

它是怎样迅速从“小松鼠”长成“大松鼠”的?

奥秘在它的货品包裹里:一个带有品牌卡通形象的包裹, 卡通钥匙链, 坚果包装袋, 开箱器, 封口夹, 垃圾袋, 湿巾, 传递品牌理念的微杂志, 可爱的小玩具, 快递大哥的寄语。

表面上看, 三只松鼠的行为是在倒贴钱。但实际上, 它这些看似与主卖品坚果关系不大的小物件, 却帮助它俘虏了用户的心。好的用户体验为它树立了好的口碑, 让三只松鼠在网络商家中脱颖而出。

在互联网时代, 用户体验变得越来越重要。互联网让信息变得更透明, 顾客的消费行为由此改变。他们点点鼠标就可以货比三家甚至是百家。这让消费者变得越来越有主动权。如何吸引他们的眼球和荷包, 用户体验是关键。

用户体验是用户在使用产品过程中建立起来的纯主观的感受。当你的产品或者服务好得超出他们的预期, 用户会在互联网上分享。这实际上是用户在为你免费做广告、创口碑, 他们甚至可以帮你上头条, 让你的产品成为社会热门话题。

《罗辑思维》

2012年年底, 罗振宇与独立新媒创始人申音合作打造知识型视频脱口秀《罗辑思维》, 每周更新一期。《罗辑思维》的口号是“有种、有趣、有料”, 做大家“身边的读书人”。在节目中, 罗振宇分享个人读书所得, 倡导独立、理性的思考。当日, 同名微信公共账号开通运营。账号每天推送一段罗振宇本人的60秒语音, 分享其生活感悟, 同时推送一篇其本人推荐的知性文章。

半年内, 《罗辑思维》便由一款互联网自媒体视频产品, 逐渐延伸成长为全新的互联网社群品牌。罗振宇对互联网有着自己的理解和认识。他认为未来的媒体将不再以信息为核心, 而是以人格代之。魅力人格体将是新媒体时代最关键的传播节点。所以他既没有给自己进行定位, 也没有给《罗辑思维》设定框架。而是通过强调自身的魅力来吸引听众, 形成了独特的个人品牌。《罗辑思维》则凭着丰满的知识品质和罗振宇独特的个人言语表达风格, 在互联网视频领域独树一帜, 打下一片天地。

大数据时代 篇8

进入2012年以来,大数据(Big Data)一词越来越多地被提及与使用,人们用它来描述和定义信息爆炸时代产生的海量数,它已经出现过在《纽约时报》、《华尔街时报》的专栏封面,进入美国白宫网的新闻,现身在国内一些互联网主题的讲座沙龙中,甚至被嗅觉灵敏的国君证劵、国泰君安、银河证劵等写进了投资推荐报告,大数据时代来临据。

2 什么是大数据?

对于“大数据”(Big data)研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。

从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理,必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。[2]

随着云时代的来临,大数据(Big data)也吸引了越来越多的关注。分析师团队认为,大数据(Big data)通常用来形容一个公司创造的大量非结构化数据和半结构化数据,这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起,因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

3 大数据的特点

要理解大数据这一概念,首先要从“大”入手,“大”是指数据规模,大数据一般指在10TB(1TB=1024GB)规模以上的数据量。大数据同过去的海量数据有所区别,其基本特征可以用4个V来总结(Vol-ume、Variety、Value和Veloc-ity),即体量大、多样性、价值密度低、速度快。

第一,数据体量巨大。从TB级别,跃升到PB级别。第二,数据类型繁多,如前文提到的网络日志、视频、图片、地理位置信息,等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。

大数据技术是指从各种各样类型的巨量数据中,快速获得有价值信息的技术。解决大数据问题的核心是大数据技术。目前所说的“大数据”不仅指数据本身的规模,也包括采集数据的工具、平台和数据分析系统。大数据研发目的是发展大数据技术并将其应用到相关领域,通过解决巨量数据处理问题促进其突破性发展。

4 大数据时代对生活、工作的影响

大数据,其影响除了经济方面的,它同时也能在政治、文化等方面产生深远的影响,大数据可以帮助人们开启循“数”管理的模式,也是我们当下“大社会”的集中体现,三分技术,七分数据,得数据者得天下。

“大数据”的影响,增加了对信息管理专家的需求。事实上,大数据的影响并不仅仅限于信息通信产业,而是正在“吞噬”和重构很多传统行业,广泛运用数据分析手段管理和优化运营的公司其实质都是一个数据公司。麦当劳、肯德基以及苹果公司等旗舰专卖店的位置都是建立在数据分析基础之上的精准选址。而在零售业中,数据分析的技术与手段更是得到广泛的应用,传统企业如沃尔玛通过数据挖掘重塑并优化供应链,新崛起的电商如卓越亚马逊、淘宝等则通过对海量数据的掌握和分析,为用户提供更加专业化和个性化的服务。

大数据在个人隐私的方面,大量数据经常含有一些详细的潜在的能够展示有关我们的信息,逐渐引起了我们对个人隐私的担忧。一些处理大数据公司需要认真的对待这个问题。例如美国天睿资讯给人留下比较深刻印象的是他的一个科学家提出,我们不应该简单地服从法律方面的隐私保护问题,这些远远不够的,公司都应该遵从谷歌不作恶的原则,甚至更应该做出更积极的努力。

5 我国应该如何应对大数据时代

当下我国大数据研发建设应在以下四个方面着力。第一,建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程,必须建立良好的运行机制,以促进建设过程中各个环节的正规有序,实现统合,搞好顶层设计。第二,规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准,为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。第三,搭建一个共享平台。数据只有不断流动和充分共享,才有生命力。第四,培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成,因此,必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。

做到上面的几点,当大数据时代来临的时候,面临大量数据将不是束手无策,而是成竹在胸,而从数据中得到的好处也将促进国家快速发展。

参考文献

[1]李建义.数据库原理及开发.北京:中国水利水电出版社,2005.

[2]维克托·迈尔·舍恩伯格.大数据时代.浙江:浙江人民出版社,2012.

大数据时代的数据仓库建设 篇9

按照百度百科的解释, 大数据技术 (Big Data) , 或称巨量资料, 指的是所涉及的资料量规模巨大到无法通过目前主流软件工具, 在合理时间内达到撷取、管理、处理, 并整理成为帮助企业经营决策更积极目的的资讯。大数据的4V特点:Volume (大量) 、Velocity (高速) 、Variety (多样) 、Value (价值) 。显然上述解释仅仅是描述了大数据的一些特征, 对于企业如何开发大数据、利用大数据进行运营管理, 并没有过过多的指导。

本文建议传统企业在建设大数据系统的过程中, 不仅要建设数据分析平台, 更要构建起一个数据分析的生态圈, 让人人都是分析师, 让数据分析渗透到企业运营的每个环节, 真正实现数据运营、科学决策的管理模式。构建数据分析生态圈, 可以概括为“两个市场, 一个平台”, 两个市场是指业务数据市场、分析工具市场, 一个平台是分析观点分享平台。

2 业务数据市场, 让业务数据变得开放透明

业务数据是分析的源泉, 没有数据就谈不上大数据。企业经过多年的信息化建设, 一般都会有多套业务系统在运行, 如办公自动化系统 (OA) 、财务管理系统、ERP系统等不一而足, 但这些业务系统都是孤岛式隔离, 数据缺乏整合, 而且底层数据库都是经过专业设计, 复杂度较高, 非厂家技术人员难以使用, 通常都是利用定制报表的方式进行分析和使用。因此, 在利用数据上存在着数据提取难度高、报表需求响应慢、数据准确性差等问题。

产生上述问题的原因在于, 传统数据结构复杂, 对业务人员不开放, 利用报表的方式提供数据时, 需求人员期望的数据与技术人员提供的报表之间存在着巨大的鸿沟。建设业务数据市场就是将各业务系统的数据进行抽取、清洗、整合之后, 按照业务过程重新进行整合, 封装为统一粒度、统一维度的数据库表。这些数据表的特点就是能被业务人员所理解并解读分析, 这样业务人员可以在较早期就发现数据中间存在的问题。在建设数据市场的过程中, 有几点需要特别注意。

(1) 采用维度建模方法, 以“易懂性、易用性”为原则

业务数据市场的数据是供企业分析人员使用, 他们更多的是不懂技术的业务人员, 数据结构应该符合多数人的直觉, 而非像传统“三范式”那样, 需要借助复杂的ER图才能表述清楚。对于专业的IT人员, 尤其是要抵制将维度模型设计成“雪花模型”以节省数据重复、增加灵活性的诱惑, 从而带来模型复杂性的代价。

(2) 全面梳理业务, 实现数据的互联互通

传统企业的业务系统, 多数是烟囱式的软件系统, 若不在企业层面进行业务梳理, 就不能很好地对数据进行整合, 提取有价值的信息。在整合数据的过程中, 必须要有统一的维度才能有效实现数据整合, 比如统一的客户编码、身份证号等, 所以梳理企业层面的统一维度是实现数据整合的关键步骤。

(3) 分主题、稳步推进

企业运营涉及的业务过程众多, 眉毛胡子一把抓是不可能的。在建设企业数据市场时, 要根据企业的特点, 优先建设对运营最重要的业务, 尽快投入使用, 逐步完善, 比如一个销售类的企业可以先将订单业务整合起来。

如图1所示, 采用维度建模方法构建中间层数据结构, 可以大大降低数据的使用难度。以事实表为中心的中间层模型, 可以让业务人员将主要精力放在理解数据和业务上, 避免过多的技术细节所带来的技术门槛和恐惧心理。

将生产库的交易数据转换为维度模型, 必然带来非常大的数据转换工作量, 因此ETL过程就成了整个项目成败的关键, 选择或打造一个性能优良的ETL框架是系统的核心。笔者建议可以从选择开源的ETL框架开始, 图形化的开发框架会给研发带来极大的便利, 降低学习成本。图2为图形化的ETL开发框架。

3 分析工具市场, 打造适合需要的分析框架

数据是一座金矿, 但还需要依赖好的工具才能将金子提炼出来。直接分析原始数据虽然灵活, 但更加适用于高水平的人员, 对于大多数的一线员工, 应该提供更加易用的分析工具, 如报表、图表、报告等, 将业务指标以形象的方式展现出来。分析工具市场就是企业内部汇集分析工具的地方, 提供给员工根据自身情况使用。

分析工具市场包含两部分功能, 一是制作分析工具的开发平台, 一是运行分析工具的门户平台。在建设分析工具市场的过程中, 有几点需要注意。

(1) 分析工具市场建设

从技术角度来看, 分析工具市场可以找到众多的软件系统满足需求, 企业可以根据实际情况, 或采购、或使用开源, 搭建这么一套软件系统, 既能让企业自己定制报表、分析图表, 也能将制作好的分析报表展现出来。

(2) 分析工具的开发以企业自身为主, 外购为辅

分析工具与业务特点、人员使用习惯等因素紧密关联, 其需求变化频率高, 全部依赖外部厂家开发, 一方面费用较高, 另一方面需求响应也不及时, 可能等开发出来, 分析的需求却没有了。因此企业要培养自己的开发队伍, 可以利用数据市场中的数据开发出各类查询报表、分析图表等。

分析工具是数据分析环节最成熟、也是选择性最多的环节, 有非常多优秀的BI工具可供选择, 商业中的有Cognos、SAP等, 开源的有Pentaho、BIRT等, 但数据可视化仅是数据分析的起点, 要想将数据价值挖掘出来, 还需要数据分析人员对分析工具进行深入分析, 提炼出知识并进行固化和传播, 才能让数据发挥价值, 形成从知识到洞察的转换。图3所示为数据可视化图标类型。

4 分析观点分享平台, 让数据分析社交化

大数据时代, 在数据充裕的同时, 带来了有价值分析结果的匮乏。数据分析, 绝对不是高高在上的阳春白雪, 而是需要人人参与、百家争鸣的氛围, 要在企业内部树立人人都是分析师的理念。

分析观点分享平台的建设, 采用类似于朋友圈、微博等社交媒体的机制, 让每个人都有机会表达对数据的分析观点, 通过转发、评论机制, 让有价值的观点浮上来。在这个过程中, 分享观点的个人可以获得成就感, 转发、评论的人有参与感, 企业从中获取到对运营决策有价值的想法, 基于数据分析过程实现了科学、民主的决策。在建设分享平台的过程中, 有几点需要注意。

(1) 人员关注机制

由于企业运营不同于互联网, 存在着一定的封闭特性, 不建议采用微博关注的开放性, 而应该采用朋友圈类似的“关注-同意”的朋友机制, 避免不适当的关注带来的信息泄露。

(2) 分享范围控制

由于企业数据的特殊性, 员工在分析观点的时候需要控制分享范围, 避免机密信息的泄露。控制分享范围, 既要有人工控制, 也要从平台层面通过权限控制, 如财务数据的分享范围仅限某几个部门或人员等。

(3) 分享观点排序算法

综合多种因素对发表出来的观点进行排序, 以便让展现到每个人眼前的都是最符合期望的内容, 营造一个良好的分享环境, 避免劣质内容驱逐优质观点给生态圈带来的毁灭性打击。

5 实践

根据上述思路, 我们规划了一个数据分析平台的产品, 分为三个阶段进行演进, 即智能报表阶段、企业内部数据整合和大数据分析三个阶段, 遵循“整体规划、分步实施”的路线。在实际推广中, 引导客户优先解决现阶段最迫切的问题, 比如统计报表, 通过经营分析平台的构建, 充分调动每个人的积极性和能动性, 减少定制化工作的数量及频率, 有效利用企业经营中产生的数据。图4是数据分析平台的技术架构图。

如图5所示, 数据分析平台的第一阶段是“智能报表”阶段, 其重点是建设数据中间层、提供灵活的分析工具, 让企业的每个人都能参与到数据分析的过程中。因此, 产品的技术架构也就围绕着这两个目标进行重点建设。

其中, 数据建模和数据集市所用到的方法论就是本文第一节所提到的“维度建模”, 将中间层数据通过上层的数据分析工具开放给用户进行分析, 最终通过报表、仪表盘等形式呈现给各级人员进行决策管理, 实现数据价值的体现。

6 结束语

大数据时代 篇10

一、高校学生管理大数据的内涵

(一)大数据的内涵

全球最具权威的IT研究与顾问咨询公司高德纳将大数据定义为需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产(2001)。麦肯锡环球研究院在其《大数据:创新、竞争和生产力的下一个前沿》报告中指出,“大数据”是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集(2011)。而《大数据时代》的作者维克托迈尔·舍恩伯格(2012)认为,大数据是人们获得新认知、创造新价值的源泉;大数据还是改变市场、组织机构,以及政府与公民关系的方法。

(二)高校学生管理大数据的内涵

信息技术的其普及与广泛应用,不仅推动了高等教育信息化的发展,同时也带来了学生学习、交流与生活方面的各种结构化的或碎片数据,大量数据的产生无疑将高校学生教育管理带入了大数据时代。高校学生管理大数据就是要整合校园信息资源,主动收集学生学习、生活和网络使用数据,充分利用大数据及其技术,分析和研究数据中蕴含的价值,进而促进高校学生教育管理工作创新。从这个观点出发,发展高校学生管理大数据,从揭示大学生学习、行为规律和高校学生教育管理规律,对推动高校学生教育管理工作创新与发展、丰富教育大数据理论研究具有重要意义。

二、高校学生管理大数据主要组成

目前,我国教育信息化从基础设施、数字资源、人才培训、关键技术及标准等方面都有了长足的发展。大部分高校在数字化校园建设的基础上,建设完成了完备的应用系统。信息技术的发展及其普及与广泛应用,不仅推动了高等教育信息化的发展,同时也带来了大学生学习、交流与生活方面的各种结构化的或者碎片数据,大量数据的产生无疑将高校学生教育管理带入了大数据时代,为高校学生管理大数据建设打下了坚实基础。

当前,大多数高校通过数字校园建设,形成了诸如学生行为管理系统、教务管理系统、图书借阅系统、校园财务系统、学生自主选学系统、精品课程平台、学生上网认证系统、校园门禁系统、学生校园消费查询系统等应用系统,在高校人才培养和学生健康成长方面发挥了重要作用。经过多年的运行,这些系统产生了大量数据,构成了高校学生教育管理大数据的主体。同时,学生在互联网和微信、微博等新媒体上产生的数据,也是高校学生教育管理大数据不可忽视的组成部分。根据笔者对这些数据的分析和研究,从数据的归属角度,把其初步分为下面几个方面:

(一)基础数据

这些数据主要涉及大量与学生相关的基本情况,诸如学生的基本信息、兴趣爱好、政治面貌、家庭情况、所属院系专业、入校成绩、是否外宿等数据。这些数据,往往反映了学生的学习基础、家庭背景等信息,掌握这些信息,将有利于针对性地开展学生教育管理和帮扶工作。

(二)学习数据

学校教务管理系统、精品课程学习平台等系统包括了学生选课数据、学生自主选学数据、学生课堂考勤数据、考试成绩、教师上课评价数据、学生参与讲座和学术报告的情况等有效信息,是学生学习行为的全面反映。图书借阅系统储存了学生所有借书信息,学生实践平台则记录了学生参与课外实践的数据。这部分学习数据蕴含了学生的学习兴趣和学习状态,可以成为学习推荐服务的重要参考。

(三)行为数据

高校学生管理系统是高校开展学生教育管理的主要信息化平台,其中蕴含了学生奖励信息、学生违纪信息等数据资源,这些结构化数据中蕴含了大量学生行为特征信息,可以作为学生行为分析的重要数据来源。

(四)资助数据

学生资助管理系统能够充分反映学生在校期间受资助的情况,学校财务系统则能够反映学生的缴费情况、勤工助学酬劳等信息,学生校园消费查询系统则能基本反映出学生在一定时期的就餐和其他消费情况,是分析学生家庭经济困难状况的很好参考。

(五)健康数据

校园网认证系统包含了学生经过学校校园网出口访问的所有网页信息,分析学生上网的目标网页内容,不仅能够反映出学生的兴趣爱好,同时也能够发现一些人格方面的缺陷。而学生心理健康管理系统等能够直接反映学生心理健康状况,为制定心理健康服务计划,帮助学生健康成长具有重要价值。

(六)社交数据

随着信息技术的普及,学生对使用网络和新媒体开展社交产生了浓厚兴趣。每天在QQ、微信、微博、传统的BBS等平台产生大量数据,这些数据不仅包含了学生交流的信息,也能够充分反映校园舆情,对掌握学生思想、心理等具有很重要的价值。

三、高校学生管理大数据建设思路

目前,对高校学生管理大数据建设的研究还很少,更多地是就高校大数据集成和典型应用方面的探讨。笔者认为,大数据时代运用大数据支持管理服务决策毋庸置疑。高校学生教育管理工作必须紧跟形势,运用好信息化技术和大数据这个方法论,全面更新理念,进一步树立数据意识,从顶层设计着手,认真组建专业挖掘团队,全面整合校内外数据资源,在健全安全机制的基础上,积极发展学生管理大数据,合理运用大数据的分析结果为工作决策提供数据支持。

从技术的角度讲,高校校园网中各个应用系统往往各自独立运行,加上互联网和微信、微博等数据的碎片化特征,要形成真正的大数据,还需要进一步制定政策,运用技术手段开展数据整合工作,通过全面整合,打通数据之间的壁垒,使沉睡的数据被重新激活,形成更大的价值。目前互联网技术已经非常成熟,加上近年来日益发展的云计算、云存储、NoS ql以及网络爬虫技术的发展,为高校大数据整合提供了技术基础。

从人才的角度,这些技术的应用,必须要有专门的团队支持。目前高校学生教育管理队伍难以满足数据驱动需求。因此要及时成立高校教育管理大数据工作领导小组,组建专门的数据收集团队和分析挖掘团队。运用计算机技术开展数据采集和数据融合,运用数学、统计学的原理开展数据挖掘与建模,形成预测和决策的数据可视化成果。把这些成果应用到高校人才培养中,实现个性化推荐学习资源、为学生量身定制学业计划、及时分析校园舆情影响、实时预测学生思想动态,将会有效提升高校学生教育管理的有效性。

从安全的角度讲,大数据时代如果不能确保数据安全,将会造成“大数据就是大风险”的可怕后果。高校教育大数据不仅整合了高校师生信息,也包括大量学生学习、生活和社交以及校园舆情方面的数据,将这些海量数据集中存储,虽然方便了数据分析和挖掘,但如果由于安全管理不到位造成数据丢失和损坏,则将引发毁灭性的灾难。同时黑客攻击或不当层面的数据公开,将会导致师生信息的泄露,给师生人身安全和校园声誉带来不良影响。因此,高校要在发展教育管理大数据的同时,切实加强制度建设,形成数据规范化管理,要明确数据管理的职能部门,制定严格的工作方案和预案,对什么数据可以公开,什么数据在一定层面公开,什么数据必须保密做出规定。同时也要对可能出现的风险建立防控预案,保障数据安全的同时,维护好师生和高校利益。

四、高校学生管理大数据的应用建议

笔者在总结现有研究的基础上,认为高校学生管理大数据主要在以下方面具有重要应用。一是建立教学资源推荐系统。通过整合学生基础数据和自主选学平台、图书借阅系统等数据,可以深入分析学生兴趣爱好与教学资源的关联关系,主动开展推送服务,不仅可以满足学生的学习需求,同时可以有效提升教学资源的利用率。二是建立学生行为预警系统。通过整合学生管理系统和教务管理系统,可以深入挖掘学生行为和学业之间的关联关系,建立相应的预测模型,对学生学业和行为进行预警,可以在问题发生之前采取相应措施,确保学生健康成长,顺利完成学业。三是建立学生心理健康预警与服务系统。通过整合学生基本数据和健康数据,可以及时筛查问题学生,主动开展心理健康疏导服务,把心理健康教育做到无形。四是构建资助认定与服务系统。通过整合学生基础数据、资助数据、行为数据等方面的信息,通过数据分析支持学生家庭经济困难认定,及时挖掘学生消费等信息,为学生资助服务提供数据支撑。五是建立校园舆情监测系统。通过整合学生社交数据,及时分析校园舆情影响、实时预测学生思想动态,将会有效提升高校学生教育管理的有效性。

参考文献

[1]维克托·迈尔-舍恩伯格.大数据时代[M].浙江人民出版社,2013

[2]邱启照,孙鹏.大数据时代高校思想政治教育的机遇和挑战[J].教育理论与实践,2016(9)

[3]梁家峰,亓振华.适应与创新:大数据时代的高校思想政治教育工作[J].思想教育研究,2013(6)

[4]“信息社会发展研究”课题组,张新红.中国信息社会发展报告2015[J].电子政务,2015(6)

[5]李怀杰,夏虎.大数据时代高校思想政治教育模式创新探究[J].思想教育研究,2015(5)

[6]胡晶君.大数据时代高校学生工作创新探究[J].太原大学教育学院学报,2015(4)

[7]桑庆兵.大数据在高校的应用与思考[J].南通纺织职业技术学院学报,2013(2)

[8]胡树祥,谢玉进.大数据时代的网络思想政治教育[J].思想教育研究,2013(6)

[9]张燕南,胡继岳.关于大数据应用于教育的思考[J].中国电力教育,2013(32)

大数据时代来临 篇11

大数据（BigData）扑面而来，走进了人们的日常工作和生活，浏览网页、刷新微博、搜索关键词、上传文件、发送邮件、交友购物等，都是大数据的一部分；大数据喷薄而出，每个人都是数据的传播者和分享者，手机、台式电脑、笔记本、平板电脑、智能电视、传感器、导航定位终端等，遍布各个角落。

一秒钟内，互联网产生的数据量，比20年前整个互联网储存的数据还多。2011年，全球被创建和复制的数据总量达到1.8ZB，远远超过人类有史以来所有印刷材料的数据总量。IDC数据表明，全球企业数据正以55%的速度逐年增长，IDC预计，2020年全球数据量将达到35ZB，为2009年的44倍。

大数据不单单是数量庞大、形式多样、生成迅速，更大的意义在于通过对海量数据的挖掘、分析和应用，能够发现新的知识，创造新的价值，带来“大科技”、“大利润”和“大发展”，被称为下一个社会发展阶段的石油和金矿。

【事 件】

立法保护个人信息

2012年12月28日，第十一届全国人民代表大会常务委员会第三十次会议通过了《关于加强网络信息保护的决定》，旨在为互联网和大数据时代的个人信息保护装上“法律的盾牌”。

《决定》以法律形式保护公民个人、法人和其他组织的网络信息安全，对治理垃圾电子信息、网络身份管理以及网络服务提供者和网络用户的义务与责任、政府有关部门的监管职责等作出了明确规定。

国家互联网信息办公室负责人指出，中国互联网取得了长足发展，已成为世界上网民最多的国家，互联网普及率突破40%，超过世界平均水平。互联网在促进经济发展、社会进步、科技创新的同时，也带来十分突出的信息安全问题。对此，社会各界反应强烈，要求加强对网络信息的依法保护。

《决定》第一条规定：“国家保护能够识别公民个人身份和涉及公民个人隐私的电子信息。任何组织和个人不得窃取或者以其他非法方式获取公民个人电子信息，不得出售或者非法向他人提供公民个人电子信息。”

针对泄露个人信息的行为，《决定》规定，公民有权要求网络服务提供者删除有关信息或者采取其他必要措施予以制止。对违法犯罪行为以及其他网络信息违法犯罪行为，有权向有关主管部门举报、控告。被侵权人可以依法提起诉讼。

清华大学法学院院长王振民评价说，近年来网络个人信息的大量泄露严重侵害了公民的隐私权，也对社会秩序造成严重干扰，这部法的出台将有利于保护网络环境中的个人隐私。

中国社科院法学所研究员周汉华指出，垃圾短信和个人信息保护是我国目前面临的一大问题。许多国家在2000年左右逐步完成了反垃圾邮件的立法。这次通过的《决定》填补了我国相关法律的缺位。

据了解，西方发达国家在信息和数据保护问题上已走在前面。美国早在上世纪60年代就采取了较全面的数据保护措施；德国黑森州在1970年颁布了全球第一部数据保护法，1977年德国制定了联邦数据保护法。2012年12月20日新修订的奥地利《数据保护法》非常全面，包括总则、数据使用、数据安全、数据发布、相关者的权力、法律保护、监管机构、对数据的特殊使用、特殊使用的种类、处罚规定、过渡和最终规定等。

这些国家通过严格的保护措施，一方面提升了民众的数据保护意识，另一方面也给了消费者一个相对干净的使用环境。

【背 景】

大数据蕴藏巨大价值

有一天，美国零售企业好市多（Costco）接到了一位母亲的投诉：“我的女儿才16岁，你们却向她推销孕妇类的产品。”但是，这一次，尴尬的是这位母亲，她16岁的女儿确实怀孕了。为什么卖货的商场，却能比朝夕相处的母亲，更早知道女儿的孕事？

这就是大数据的威力。16岁的女儿发现自己怀孕之后，不敢告诉母亲，只能时常在网上浏览一些和怀孕相关的网站，搜寻一些孕妇要用的东西。这些浏览行为被当做数据记录下来，Costco的数据分析团队，据此进行了精确的商品促销定位。

随着互联网、物联网、云计算和移动互联网的广泛应用和迅猛发展，人类已经迎来大数据时代。作为一种重要的战略资源，大数据不仅事关国家的数字主权和战略安全，而且蕴含着前所未有的商业价值，可以促进我国的经济转型。预计到2020年，中国数据产业市场将形成2万亿元规模。

据了解，2012年3月，美国投资2亿美元启动“大数据研究和发展计划”，把大数据称为“未来的新石油”，其6大机构合力研发核心技术，支持协同创新。

中国工程院院士李国杰认为，目前人们开发和利用的价值还只是冰山一角。大数据兴起的根本原因是经济利益驱动，IBM、亚马逊、Google、Facebook等国际知名企业是大数据的主要推动者，国内的大数据代表性企业是百度、腾讯、阿里巴巴。

据国外媒体报道，零售和计算巨头亚马逊如今并非商务公司，而是一家大数据公司。它拥有日益增长的云基础设施、海量数据流和内容。连接亚马逊在线零售、云服务和平板电脑业务的共同要素就是数据。市场研究公司ConstellationResearch分析师雷？王（RayWang）称，亚马逊开发出的云基础设施处于盈利状态，可以资助零售业务的运营。它拥有的移动设备和内容可以通过用户网络进行传播。

“大数据就是金矿，谁挖掘得好就可以成为竞争壁垒。而今天最好的大数据都在大公司。我的预测：互联网大公司大部分会学会驾驭大数据，越做越强；而大部分非互联网公司（电信、银行、保险）虽拥有大数据，却不知其珍贵，或用之不当。”创新工场董事长李开复在新浪微博中如是说。

中国电商龙头阿里巴巴一直注重挖掘数据的价值，如通过分析行为数据细分用户、利用电子商务数据发放“信用贷款”。2012年阿里集团正式提出大数据战略，将发挥旗下电商平台的集群优势，内外双管齐下，打造数据平台和数据产品，实现数据资源的最大共享。

鉴于国内数据市场的巨大潜力，一些新兴的大数据创业公司也蓬勃崛起，如秒针系统，运用自主研发的大数据技术，帮助客户有效评估和优化数字广告效果，能为客户提高30%～50%的广告投放效果。宝洁、欧莱雅、微软、可口可乐等众多国际知名品牌，都在使用其数据产品和服务。

“大数据时代，企业关注的重点将转向数据。”李国杰说，计算机从追求计算速度转变为大数据处理能力，软件从编程为主转变为以数据为中心，云计算进入以分析即服务（AaaS）为主要标志的Cloud2.0时代。生物制药、新材料研制生产的流程会发生革命性的变化。“未来将形成数据服务、数据探矿、数据化学、数据材料、数据制药等一系列战略性新兴产业。”传统信息技术企业，如华为、联想、浪潮等都在顺应大数据需要而转型。

中国工程院院士邬贺铨指出，在医疗方面，我国每年的就诊患者是世界上最多的，如果对这些医疗数据进行系统分析，对治疗疑难病症以及开发新药都将产生积极影响。甚至数据分析还能帮助抑制物价波动。比如，一些地方的食盐抢购风潮，通过数据采集和分析，完全可以提前判断出市民抢购食盐的情况，只要提前抛售食盐，就能有效抑制价格的快速上涨。

【焦 点】

数据安全与数据应用

由于数据能够产生经济利益，近年来，非法获取、泄露和贩卖公民个人信息、网上诈骗、网络谣言、垃圾信息等现象层出不穷，导致人们对数据安全“谈虎色变”，人们对数据开发和应用表示质疑和担忧。

“云计算时代的大数据如同一把双刃剑，社会因大数据使用而获益匪浅，但个人隐私也无处遁形。”北京邮电大学互联网治理与法律研究中心主任李欲晓说，近年来发生的谷歌泄露个人隐私事件，盛大云数据丢失事件，2011年韩国三大门户网站之一的Nate和社交网络“赛我网”遭到黑客攻击，致使3500万用户信息泄露事件等，都严重侵犯了用户的合法权益。

电信运营商、银行、医院、政府部门、互联网公司等早就拥有大量客户数据，为何现在成了“香饽饽”？业内人士指出，移动互联网和智能手机的普及，使精准营销成为可能，加上数据处理能力的增强，数据的市场价值空前提高。还有一个趋势，很多行业和企业的数据正在整合，这就让原来分离的信息孤岛变成了信息宝库。但对相关个人来说，更加危险，一旦被恶意利用，后果很严重。

根据中国互联网络信息中心《第30次互联网络发展状况统计报告》，截至2012年6月底，我国手机网民规模达3.88亿，在整体网民中的比例为72.2%，首次超越台式电脑成为我国网民的第一大上网终端。2012年11月发布的《中国手机网民上网行为研究报告》则显示，72.2%的手机网民每天至少通过手机上网一次，近六成手机网民每天使用手机上网多次。

北京邮电大学互联网治理与法律研究中心崔聪聪表示，个人信息被滥用，源于背后巨大的经济利益，大数据时代个人信息所面临的危机将更大。今后我国个人信息保护立法的重点应该是：细化收集、利用和传输个人信息的规则；明确个人信息控制权的性质为人格权；对非法利用个人信息的侵权行为，实施举证责任倒置规则。

“大数据时代，安全是一个基础保障。”李国杰说，“如果建立一个竞争有序的大数据交易市场，将数据打包成产品依法进行交易，那所谓的数据隐私问题就可以规范化了。现在数据市场还未成型的情况下，那从顶层设计上要注意保障数据安全，包括隐私权、执行权、防范数据篡改和崩溃、可信度等一系列问题。”

淘宝网商业智能部首席总监车品觉表示，数据安全不是技术问题，而是文化和道德问题。如果有一个人人都重视数据安全的良好氛围，那就不存在数据安全。有些人不知道数据的危险性，但做数据的人深知数据的利害。大数据如果走下去，没有安全保障，早晚会出事。这是个一攻一守的问题。

在邬贺铨看来，未来谁掌握了数据，谁就可以领先。但是，从茫茫数据中分析出有用的东西并不十分容易。例如智慧城市，虽然北京已有七八万个摄像头，但是拍完之后，却没有把它们进行关联来分析汽车流向，优化道路。现在只是用在肇事车辆的拍摄、闯红灯等。

【启 示】

科学发展大数据产业

大数据产业指建立在对互联网、物联网等渠道广泛大量数据资源基础上的数据存储、价值提炼、智能处理和分发的信息服务业。

中国科学院院长白春礼院士呼吁说，中国应制定国家大数据战略，主要内容包括：构建大数据研究平台，即国家顶层规划，整合创新资源，实施“专项计划”，突破关键技术；构建大数据良性生态环境，制定支持政策、形成行业联盟、制定行业标准；构建大数据产业链，促进创新链与产业链有效嫁接。

李国杰认为，数据安全主要不是技术问题，因为数据放在哪里都有泄露的风险，它与商业模式有很大关系。任何事物都是一把双刃剑，关键看你的着眼点和出发点，如果只是除弊而不兴利，那就越除越小，最终抑制它的成长。所以要正确看待新兴事物，并在发展中解决存在的问题。

李国杰进一步指出，中国当务之急是建立上下游相互协作、相互支撑的大数据产业环境，特别是构建有技术自主权的大数据产业链。他指出，中国数据市场的建立可以借鉴金融衍生品市场的模式，一是政府出台优惠措施加以扶持；二是建立透明公开的交易平台；三是加强创新，突破关键技术；四是发挥资本市场的作用。

作为国内互联网产业的发源地和科技创新高地，中关村率先布局大数据产业。2012年12月13日，中关村大数据产业联盟已正式成立，由百度、联通、联想、北大、阿里巴巴、腾讯等国内知名企业、高校共同发起成立。同时发布了云天使基金、中云融汇基金、大数据实验室孵化基金三只产业投资基金。今后，每年的12月13日被命名为中关村的“大数据日”。目前大数据产业已纳入《中关村战略性新兴产业集群创新引领工程（2013～2015年）》，将开展云运营和大数据示范应用。

此外，陕西省西咸新区沣西新城也规划了国内首家大数据处理与服务专业园区。它以信息服务和信息技术产业为主导，以云计算、物联网、电子政务、电子商务等为着力点，以大数据的存储、分析、应用为突破口。2017年将建成以西咸新区为核心的国家级大数据处理与服务产业集群。

中国工程院院士邬贺铨表示，对已知的数据进行分析可以发现趋势，现在数据分析面临机遇与挑战。挑战是，怎样能从海量的数据中找出规律；机遇是，我国拥有世界上最多的人，最多的个体，最多的数据，我们可以利用这些数据，不是去追求某个个人隐私，而是了解整个群体的趋势。

例如，美国加州一家保险公司，虽然它开出的农业生产保费比别的公司高很多，但其仍然拥有最高的客户量。原因就是，它搜集了美国几十年的气候数据与每一块地历年农产品数据。它所提供的服务是，由它向农民提供明年的种植信息（种什么植物、增产还是减产等）。但是如果信息错误，它将比其他保险公司支付更高的赔付额。“事实上，这家保险公司的赔付率特别低，因为农业有自己的生产周期，通过历史数据找出规律，判断某个地方明年的收成。而我国现在很缺这样的机制，因为农民只会作简单的判断，2012年猪肉贵了，明年多养猪，明年亏了，后面一年不养了。”

大数据时代数据存储安全对策探析 篇12

伴随着大数据时代的不断进步和发展,互联网技术、云计算、云存储以及各种网络平台的运用技术逐渐变得成熟,在这样的背景烘托下,我们对数据平台的安全技术要求也变得越来越高,大数据时代中的数据存储安全问题的重要性也变的越来越高。在目前的信息时代中,人们能利用网络方便的记载和浏览各种自己需要的信息。在保存、浏览、记录的过程中会产生如文字、音频、视频、图片等各种大量数据。然而在存储数据的过程中,会由于各种外界因素或者操作不当等造成数据的泄露,从而危及信息存储的安全,给使用者造成了经济损失。所以,数据存储的安全问题成为了大数据时代的主流探讨问题。为了确保在利用大数据时代给我们带来便利的同时避免它所产生的各种弊端,我们必须采取各种措施,不仅要在技术上,而且还要在意识上不断进行革新,进而迎接数据网络时代给我们带来的挑战。

1 大数据时代简介

大数据在各种学科例如物理学、生物学、生态学等以及各种行业例如军事、经济、信息通讯等已经发展了很长时间。目前由于互联网时代与信息时代的双层冲击下大数据平台更加受到了人们的广泛关注。传统的数据处理往往是单一的数据搜集以及整理归纳,而大数据时代中的数据处理更加注重的是对各种数据信息进行合理的搜集、分配、采集、整理并对各种信息进行高效率、高准确性、高质量的处理。随着云计算、智慧城市以及物联网等高科技技术的不断发展,大数据正在以惊人的速度不断的增长。当今时代下的各种智能手机、PC机、平板电脑的产生为大数据的到来更是准备了大量的数据信息。由此可见,大数据不仅是信息技术产业的革命,也将成为经济金融领域的霸头。以大数据时代作为依托的当代信息企业管理模式以及转型后的政府管理模式更是给人们的生活带来了便利。因而成为了社会各行各业利益驱使下的竞争地。大数据时代具有高数据存储量、高数据处理速度、多数据类型、低数据价值“密度”的特征。这使得相关的硬件设备以及软件技术都有很大的进步。大数据功能简图如下:

2 大数据时代给我们带来的存储安全问题

为了给技术工业革命以及经济社会的发展带来福音,我们需要克服伴随大数据时代而来的一些难以预知的各种风险因素。我们将从以下几个方面来探讨大数据存储安全问题:(1)数据存储成为了信息安全攻击的对象。由于现有的安全防护措施的不完善,使得一些隐藏在大数据终端的木马病毒有机可乘给企事业单位及数据服务商带来了巨大的安全危急。隐藏在信息中的木马病毒会进入工厂的安全服务系统,进而提取相关信息从而干预工厂的安全生产。这种安全信息存储的泄露使得大量有价值的信息外传,造成了很大的经济损失。(2)个人信息的泄露。大数据时代给我们带来了很多生活便利,比如购物。不仅商家可以通过网络这一销售手段进行盈利,消费者也多了更多的渠道进行购物。这种“O2O”的模式使得商家大大的降低了销售成本,对资源的合理配置更是有很大的帮助。但是在买家与卖家的交易过程中会形成很多关于资金、个人资料等的信息。这些信息都存储于大型的数据库中。一旦发生数据存储上的漏洞使得个人信息泄露,就会给消费者及商家带来不便,并引发相应的财产损失。(3)网络设施的漏洞。网络的安全性直接关乎了数据存储的安全性。软件本身的漏洞以及网站管理者的自身疏忽都会造成网络漏洞。一些由大数据时代带来的各路黑客会利用这些漏洞对信息数据进行攻击,从而造成相应的安全威胁。

3 大数据存储安全对策

面对各种安全问题的突发,制定相应的对策至关重要。

3.1 技术方面

数据安全存储问题的频发首先是大数据技术的不完善。建立一个健全的大数据安全管理体系势在必行。这种标准化的管理体系能有效的提高信息安全的管理水平以及降低信息安全的风险。面对大数据时代带来的巨大的数据量,我们必须要制定一个最优化的方案来对数据进行快捷有效的处理。开发更多的安全工具来保障系统对数据进行全方位的开发和维护。同时,我们需要不断完善网络漏洞侦查系统,对网络漏洞以及终端的信息存储漏洞进行实时监测,以便于预防信息的外漏。无论是企业单位还是事业单位的信息安全存储管理系统都必须具有高度的安全性作为保障,这样才能更加全面的执行好本单位的任务,产生良好的经济效益。比如,我们可以在公司的信息系统内增加恶意软件的拦截功能。这样可以对日常办公过程中不经意下载的恶心软件进行有效的拦截,从而避免后续安全事故的发生,有效的制止数据的泄露,保护了公司的信息财产安全。

3.2 意识方面

我们需要增强自我信息安全保护意识,注重保护自己的信息不被窃取。在进行日常的网络浏览时,对一些潜在的危机要有一定的认知,防患于未然。政府也应该对一些敏感数据进行相应的监督,加强数据平台的管理力度,避免信息泄露的风暴。同时,媒体作为大众关注的对象,应起到教育指导的作用,对信息存储泄露的危害要不断的宣传,从而帮助公民增强安全保护意识。使得人人都有网络信息安全的意识,进而减少信息存储泄露的现象。

3.3 法律方面

大数据时代的到来使得各种数据被频繁盗出,严重影响了我们的正常生活。从法律层面上来规范各种不正当的行为极为重要。我们需要从法律层面上规范个人隐私的范围,规定相应的个人信息安全尺度,避免例如盗取个人社交网络密码以及跟风的对某事件人物的搜索、曝光。这些都给当事人造成了心理上、生理上的攻击。因此,我们需要建立一套关于数据存储安全的法律体系,对于一些违法盗窃信息危害他人人身财产安全的行为进行严厉的处罚。从而为信息存储提供有力的安全保障。

4 结语

由上述分析我们得出,大数据时代的到来给当代的网络技术产业等带来革新的同时也使得公众的生活更加的便利快捷。我们在庆幸这些大数据优势的同时也要摆脱它所带来威胁。清楚的分析信息存储安全的各种问题,及时的解决各种突发事件十分重要。我们要从公民自身出发、从政府出发、从大众媒体出发不断的提高信息存储安全意识,增加信息存储安全法律知识。不断的进行技术的革新以便适应时代发展的需要,建立正规完整的法律体系对违法行为进行严厉惩处。这样才更有利于我们受益于大数据,不断的发展大数据。

参考文献

[1]王倩,朱宏峰,刘天华.大数据安全的现状与发展J.计算机与网络,2013.

[2]何国锋.电信运营商在大数据时代的信息安全挑战和机遇探J.互联网天地,2014.

[3]施恋林.当大数据邂逅网络信息安全J.通信企业管理,2015.